論文の概要: Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency

• arxiv url: http://arxiv.org/abs/2603.14133v1
• Date: Sat, 14 Mar 2026 21:42:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.625638
• Title: Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency
• Title（参考訳）: コンピュータサイエンスの成果と筆記スキル - バイブコーディング能力の予測
• Abstract要約: ビブコーディング」では、自然言語でプログラムを指定でき、ソースコードを編集することなく観察された振る舞いを繰り返すことができる。 採用が加速している一方で、このワークフローでどのスキルが成功を予測できるかは分かっていない。 本報告では,コンピュータサイエンスの達成度,ドメイン総合認知能力,文字通信能力,バイブコーディング評価を修了した3年生を対象に,事前登録による横断的研究を行った。
• 参考スコア（独自算出の注目度）: 5.449649175237595
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many software development platforms now support LLM-driven programming, or "vibe coding", a technique that allows one to specify programs in natural language and iterate from observed behavior, all without directly editing source code. While its adoption is accelerating, little is known about which skills best predict success in this workflow. We report a preregistered cross-sectional study with tertiary-level students (N = 100) who completed measures of computer-science achievement, domain-general cognitive skills, written-communication proficiency, and a vibe-coding assessment. Tasks were curated via an eight-expert consensus process and executed in a purpose-built, vibe-coding environment that mirrors commercial tools while enabling controlled evaluation. We find that both writing skill and CS achievement are significant predictors of vibe-coding performance, and that CS achievement remains a significant predictor after controlling for domain-general cognitive skills. The results may inform tool and curriculum design, including when to emphasize prompt-writing versus CS fundamentals to support future software creators.
• Abstract（参考訳）: 多くのソフトウェア開発プラットフォームは、LLM駆動プログラミング、つまり自然言語でプログラムを指定でき、ソースコードを直接編集することなく、観察された振る舞いから反復することができる技術をサポートしている。 採用が加速している一方で、このワークフローでどのスキルが成功を予測できるかは分かっていない。 本報告では,コンピュータサイエンスの達成度,一般認知能力,書字習熟度,ビブ符号化評価を修了した3年生(N=100)を対象に,事前に登録した横断的研究を報告する。 タスクは8つの専門的なコンセンサスプロセスを通じてキュレーションされ、コントロールされた評価を可能にしながら、商用ツールを反映する目的のビブコーディング環境で実行される。 筆記スキルとCS達成はバイブ符号化性能の有意な予測因子であり,CS達成はドメイン汎用認知スキルを制御した後も有意な予測因子であることがわかった。 この結果は、将来のソフトウェアクリエーターをサポートするために、プロンプトライティングとCSの基礎をいつ強調するかなど、ツールとカリキュラムの設計に影響を及ぼす可能性がある。

関連論文リスト

• Beyond the Traceback: Using LLMs for Adaptive Explanations of Programming Errors [52.619793817715326]
  本稿では,LLM生成したPythonエラーメッセージを,多段階のクラウドソースで評価する。 LLMで書き直されたメッセージは主観評価を著しく向上させたが、これらの評価結果は客観的デバッグ性能の統計的に有意な改善には至らなかった。 これは重要なヒューマンとAIの相補性ギャップを浮き彫りにしている。
  論文  参考訳（メタデータ） (2026-08-21T09:14:28Z)
• Vibe Coding Ate My Homework: An evaluation of AI approaches to greenfield software engineering and programming [0.0]
  本稿では,グリーンフィールドソフトウェア工学タスクにおけるビブ符号化の実現可能性を評価することを目的とする。 我々は,Pythonで単純で孤立したグリーンフィールドプログラミングタスクを実行する上で,LLMの習熟度を分析するための評価スイートを開発した。
  論文  参考訳（メタデータ） (2026-06-15T18:49:02Z)
• Code for All: Educational Applications of the "Vibe Coding" Hackathon in Programming Education across All Skill Levels [10.291969598378179]
  Vibeコーディングは、ユーザが意図を記述し、AIがコードを生成したり修正したりするプログラミングの自然言語アプローチである。 複数の国から参加者を歓迎する1ヶ月のオンラインハッカソンを通じて教育的価値を調査する。 本研究は,タスクの複雑さが増大するにつれて,異なるバックグラウンドを持つ参加者がビブコーディングにどのように関与するかを説明する。
  論文  参考訳（メタデータ） (2026-04-24T17:48:40Z)
• Feasibility of AI-Assisted Programming for End-User Development [0.0]
  本稿では,AIを用いたエンドユーザーコーディングがエンドユーザー開発において実現可能なパラダイムであるかどうかを考察する。 我々は,AIアシスタントとのインタラクションを通じて,非プログラマに基本的Webアプリ開発を依頼したケーススタディを行った。 研究参加者の大多数は、合理的な時間でタスクを完了し、AI支援のエンドユーザーコーディングのサポートも表明した。
  論文  参考訳（メタデータ） (2025-12-05T12:13:21Z)
• "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
  ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。 本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
  論文  参考訳（メタデータ） (2025-12-02T13:32:23Z)
• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• From Code to Career: Assessing Competitive Programmers for Industry Placement [0.0]
  本研究は、Codeforcesユーザーが様々なレベルのソフトウェアエンジニアリングジョブを確保できる可能性を予測することに焦点を当てる。 Codeforces APIを使用してユーザデータを収集し、キーパフォーマンスメトリクスを処理し、ランダムフォレストを使用して予測モデルを構築します。 このモデルは、さらなる開発を必要とするものから、トップレベルのテック職に準備ができているものまで、ユーザーを4つのレベルに分類する。
  論文  参考訳（メタデータ） (2025-08-01T16:52:44Z)
• MERA Code: A Unified Framework for Evaluating Code Generation Across Tasks [56.34018316319873]
  我々は,最新のLLMをロシア語で評価するためのベンチマークであるMERA Codeを提案する。 このベンチマークには、8つのプログラミング言語にまたがる11の評価タスクが含まれている。 我々はオープンなLLMとフロンティアAPIモデルを評価し、非英語言語における実用的なコーディングタスクの観点からそれらの制限を分析した。
  論文  参考訳（メタデータ） (2025-07-16T14:31:33Z)
• CoderAgent: Simulating Student Behavior for Personalized Programming Learning with Large Language Models [34.62411261398559]
  実データに頼ることなく,学生のプログラミングプロセスをきめ細かい方法でシミュレートするLLMエージェントCoderAgentを提案する。 具体的には、人間の学習者に知的エージェントを配し、その中核となるのは、人間のプログラミング実践プロセスの認知状態を捉えることである。
  論文  参考訳（メタデータ） (2025-05-27T02:43:38Z)
• Is Compression Really Linear with Code Intelligence? [60.123628177110206]
  textitFormat Annealingは、事前訓練されたモデルの本質的な能力を同等に評価するために設計された、軽量で透明なトレーニング手法である。 我々の経験的結果は、測定されたコードインテリジェンスとビット・パー・キャラクタ(BPC)の基本的な対数関係を明らかにする。 私たちの研究は、コードインテリジェンスの開発における圧縮の役割をより微妙に理解し、コードドメインにおける堅牢な評価フレームワークに貢献します。
  論文  参考訳（メタデータ） (2025-05-16T16:59:14Z)
• Toward Finding and Supporting Struggling Students in a Programming Course with an Early Warning System [1.192436948211501]
  初等プログラミングコースの学生の認知能力について検討した。 認知スキルのほとんどは、学生がプログラミングスキルをある程度取得するかどうかを予測することができる。 その結果,構文訓練と実践演習がコースの成功に有意な影響があることが判明した。
  論文  参考訳（メタデータ） (2024-01-25T12:55:27Z)
• Using Machine Learning To Identify Software Weaknesses From Software Requirement Specifications [49.1574468325115]
  本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。 ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
  論文  参考訳（メタデータ） (2023-08-10T13:19:10Z)
• ChatDev: Communicative Agents for Software Development [84.90400377131962]
  ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。 これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
  論文  参考訳（メタデータ） (2023-07-16T02:11:34Z)
• Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
  本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。 トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
  論文  参考訳（メタデータ） (2023-02-14T18:43:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。